八度卷积

314 情绪的修炼在哪里

提高了一个八度隔着屏都能听出愤怒“我是……，我找……”“糟了，原来是一亲戚找我有事”顿时轻言细语的人设轰然倒地原来我也有语言暴力倾向主观臆断先入为主描
笑融每一天·2024-01-21 03:24

SCI一区级 | Matlab实现EVO-CNN-BiLSTM-Mutilhead-Attention能量谷优化算法优化卷积双向长短期记忆神经网络融合多头注意力机制多变量多步时间序列预测

SCI一区级|Matlab实现EVO-CNN-BiLSTM-Mutilhead-Attention能量谷优化算法优化卷积双向长短期记忆神经网络融合多头注意力机制多变量多步时间序列预测目录SCI一区级|Matlab
机器学习之心·2024-01-21 03:05

SCI一区级 | Matlab实现EVO-CNN-LSTM-Mutilhead-Attention能量谷优化算法优化卷积长短期记忆神经网络融合多头注意力机制多变量多步时间序列预测

SCI一区级|Matlab实现EVO-CNN-LSTM-Mutilhead-Attention能量谷优化算法优化卷积长短期记忆神经网络融合多头注意力机制多变量多步时间序列预测目录SCI一区级|Matlab
机器学习之心·2024-01-21 03:35

多输入多输出 | Matlab实现SSA-CNN麻雀算法优化卷积神经网络多输入多输出预测

多输入多输出|Matlab实现SSA-CNN麻雀算法优化卷积神经网络多输入多输出预测目录多输入多输出|Matlab实现SSA-CNN麻雀算法优化卷积神经网络多输入多输出预测预测效果基本介绍模型背景程序设计参考资料预测效果基本介绍
机器学习之心·2024-01-21 03:34

周报第十八周

周报第十八周学习时间入门第十八周：2023.9.4-2023.9.10本周进度1.阅读了一篇关于单细胞解卷积的论文《scMD-celltypedeconvolutionusingsingle-cellDNAmethylationreferences
Twenrr·2024-01-20 22:48

十八周周报

3Dreconstructionofhumanbodiesfromsingle-viewandmulti-viewimages:Asystematicreview简介研究方法搜索策略选择标准搜索结果三维重建方法单个视图中使用的技术基于参数化人体模型的回归基于非参数人体模型的回归多个视图中使用的技术基于参数回归的模型多视图卷积神经网络非参数回归模型数据集讨论结论和展望总结
Joy_moon·2024-01-20 22:17

多通道卷积计算理解

多通道卷积计算对于单通道图像，若利用10个卷积核进行卷积计算，可以得到10个特征图；若输入为多通道图像，则输出特征图的个数依然是卷积核的个数（10个）。
AI视觉网奇·2024-01-20 16:18

分组卷积

(in_channel),Conv2d(in_channel,depth,(3,3),(1,1),1,bias=False,groups=groups),PReLU(depth),Pytorch的分组卷积新
AI视觉网奇·2024-01-20 16:48

3*3卷积+1*3卷积+3*1卷积=白给的精度提升

ICCV2019:通过非对称卷积块增强CNN的核骨架下面要介绍的论文发于ICCV2019，题为「ACNet:StrengtheningtheKernelSkeletonsforPowerfulCNNviaAsymmetricConvolutionBlocks
AI视觉网奇·2024-01-20 16:18

卷积层计算量(FLOPS)和参数量的计算

1.卷积参数量的计算，若卷积层的输入featuremap的维度为Cin×Hin×Win,卷积核的大小为K1×K2,padding=P1×P2,stride=S1×S2,卷积核(filter)的数量为Cout
AI视觉网奇·2024-01-20 16:18

1d 卷积网络笔记

目录这个是1d卷积网络合集：resnet1d的这个是1d卷积网络合集：https://github.com/StChenHaoGitHub/1D-deeplearning-model-pytorch/blob
AI视觉网奇·2024-01-20 16:45

11种开源即插即用模块汇总 ！！（附论文和代码）

文章目录1、SCConv：空间和通道重构卷积（2023）2、SENet：通道注意力模块（2018）3、ECA：高效通道注意力模块（2020）4、RefConv：重参数化重聚焦卷积（2023）5、SNA-SAW
JOYCE_Leo16·2024-01-20 12:28

多维时序 | Matlab实现CNN-BiLSTM-Mutilhead-Attention卷积双向长短期记忆神经网络融合多头注意力机制多变量时间序列预测

多维时序|Matlab实现CNN-BiLSTM-Mutilhead-Attention卷积双向长短期记忆神经网络融合多头注意力机制多变量时间序列预测目录多维时序|Matlab实现CNN-BiLSTM-Mutilhead-Attention
机器学习之心·2024-01-20 10:27

多维时序 | Matlab实现CNN-LSTM-Mutilhead-Attention卷积长短期记忆神经网络融合多头注意力机制多变量时间序列预测

多维时序|Matlab实现CNN-LSTM-Mutilhead-Attention卷积长短期记忆神经网络融合多头注意力机制多变量时间序列预测目录多维时序|Matlab实现CNN-LSTM-Mutilhead-Attention
机器学习之心·2024-01-20 10:57

neural network basics2-4

CNN卷积神经网络（convolutionalneuralnetworks，CNNs）CNN一般都是出现在图像领域，一开始出现是应用在计算机视觉领域里，但由于它结构特殊性，它也可以应用于NLP领域，例如在性态分类关系分类中有很好的应用
ringthebell·2024-01-20 09:37

neural network basics2-2

commonneuralnetworks两个比较常见的神经网络模型：循环神经网络RNN和卷积神经网络CNNRNNsequentialmemory;languagemodelgradientproblemforrnnvariants
ringthebell·2024-01-20 06:30

Pytorch 与 Tensorflow对比学习 第3周：进阶主题 Day 15-16: 卷积神经网络（CNN）

第3周：进阶主题Day15-16:卷积神经网络（CNN）在这两天中，我专注于学习卷积神经网络（CNN）的基础知识，包括卷积层和池化层的工作原理以及它们在图像处理中的应用。
M.D·2024-01-20 06:56

卷积神经网络入门

目录前言一、卷积是什么？二、池化是什么？
朱笨笨·2024-01-20 05:47

行为检测论文笔记【综述】基于深度学习的行为检测方法综述

对这些方法进行了全面的梳理和总结，介绍了行为检测任务的详细定义和面临的主要挑战;从时序行为检测和时空行为检测2个方面对相关文献做了细致地分类，综合分析了每一类别中不同研究方法的思路和优缺点，并阐述了基于弱监督学习、图卷积神经网络
计算机视觉-杨帆·2024-01-20 03:26

CGO-CNN-BiGRU-Attention混沌博弈优化卷积、双向GRU融合注意力机制的多变量回归预测程序！

适用平台：Matlab2023版及以上CGO混沌博弈优化算法，发表在SCI、中科院2区Top顶级期刊《ArtifcialIntelligenceReview》上。该算法提出时间很短，目前还没有套用这个算法的高水平文献。同样的，我们利用该物理意义明确的创新算法对我们的CNN-BiGRU-Attention时序和空间特征结合-融合注意力机制的回归预测程序代码中的超参数进行优化，构成CGO-CNN-Bi
预测及优化·2024-01-20 03:15

（2023版）斯坦福CS231n学习笔记：DL与CV教程 (12) | 视觉模型可视化与可解释性（Visualizing and Understanding）

前言笔记专栏：斯坦福CS231N：面向视觉识别的卷积神经网络（23）课程链接：https://www.bilibili.com/video/BV1xV411R7i5CS231n:深度学习计算机视觉（2017
女王の专属领地·2024-01-20 01:15

多输入多输出 | Matlab实现ISSA-CNN-BiGRU-Attention基于改进麻雀算法优化卷积-长短期记忆神经网络结合SE注意力机制的多输入多输出回归预测

多输入多输出|Matlab实现ISSA-CNN-BiGRU-Attention基于改进麻雀算法优化卷积-长短期记忆神经网络结合SE注意力机制的多输入多输出回归预测目录多输入多输出|Matlab实现ISSA-CNN-BiGRU-Attention
机器学习之心·2024-01-19 23:45

2.常见的点云数据滤波的方法总结（C++）

常见的点云数据处理有体素网格滤波、半径滤波、直通滤波、双边滤波器，统计滤波器，卷积滤波，条件滤波，高斯滤波等等。
YANQ662·2024-01-19 23:36

YoloV5改进策略：BAM瓶颈注意力模块|BAM详解以及代码注释|CBAM姊妹篇|有效涨点

我们提出了一种简单而有效的注意力模块，名为瓶颈注意力模块（BAM），可以与任何前馈卷积神经网络集成。我们的模块沿两个独立的通道和空间路径推断注意力图。我们将模块放置在模型中的每个瓶颈
静静AI学堂·2024-01-19 19:24

YOLOv8改进 | 主干篇 | 华为移动端模型Ghostnetv1改进特征提取网络

一、本文介绍本文给大家带来的改进机制是华为移动端模型Ghostnetv1，华为的GhostNet是一种轻量级卷积神经网络，旨在在计算资源有限的嵌入式设备上实现高性能的图像分类。
Snu77·2024-01-19 19:45

Shufflenet V2中的结论

1卷积层的输入输出特征通道数对MAC指标的影响。结论：卷积层的输入和输出特征通道数相等时MAC最小，此时模型速度最快。2卷积的group操作对MAC的影响。
wzNote·2024-01-19 15:55

11- OpenCV：自定义线性滤波（卷积，卷积边缘）

目录一、卷积1、卷积概念2、卷积如何工作3、常见算子（卷积核Kenel）4、自定义卷积模糊5、代码演示二、卷积边缘1、卷积边缘问题2、处理边缘3、相关的API说明4、代码演示一、卷积1、卷积概念（1）在
Ivy_belief·2024-01-19 14:30

[SS]语义分割_转置卷积

转置卷积（TransposedConvolution）抽丝剥茧，带你理解转置卷积（反卷积）目录一、概念1、定义2、运算步骤二、常见参数一、概念1、定义转置卷积（TransposedConvolution
IAz-·2024-01-19 14:22

利用sobel算子进行边缘检测

Sobel算子是整像素图像边缘检测中最重要的算子之一,该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。
lindorx·2024-01-19 12:12

多模型图像特征可视化

卷积可视化可以帮助深度学习研究者更好地理解卷积的概念和原理，从而更好地设计和优化卷积神经网络。
伪_装·2024-01-19 11:31

CIFAR 10实现图像分类反卷积特张图可视化

fromkeras.datasetsimportcifar10fromkerasimportregularizersfromkeras.callbacksimportModelCheckpointfromkeras.layersimportConv2D,Activation,BatchNormalization,MaxPooling2D,Dropout,Flatten,Densefromkeras
伪_装·2024-01-19 11:31

【CNN】卷积神经网络CNN输出特征图计算+参数量计算+计算量计算

输出特征图大小计算1.一维（通道）输入数据1.1步长stride为1，padding为01.2增加步长stride，padding不动1.3增加步长stride，同时还增加padding2.n维（通道）输入数据二、卷积网络参数量计算
桐秋廿·2024-01-19 11:03

Metal每日分享，3x3矩阵卷积滤镜效果

本案例的目的是理解如何用Metal实现3x3卷积矩阵效果滤镜，取像素点周边九个区域半径点像素rgb值进行矩阵运算获取新的rgb值;目前有如下几款卷积核供使用，default：空卷积核identity：原始卷积核
弹吉他的少年·2024-01-19 11:02

机器学习（一）—— 简介

机器学习和深度学习：原理、算法、实战》文章目录1工业界流行的机器学习算法2机器学习3深度学习4预备知识5监督学习与无监督学习1工业界流行的机器学习算法线型回归逻辑回归决策树随机森林梯度提升机人工神经网络卷积神经网络循环神经网络贝叶斯技术支持向量机进化方法马尔可夫逻辑网络隐马尔可夫模型生成对抗网络
奶盖加芝士·2024-01-19 10:15

一区优化直接写：KOA-CNN-BiLSTM-Attention开普勒优化卷积、长短期记忆网络融合注意力机制的多变量回归预测程序！

适用平台：Matlab2023版及以上KOA开普勒优化算法，于2023年5月发表在SCI、中科院1区Top顶级期刊《Knowledge-BasedSystems》上。该算法提出时间很短，目前还没有套用这个算法的文献。同样的，我们利用该新鲜出炉的算法对我们的CNN-BiLSTM-Attention时序和空间特征结合-融合注意力机制的回归预测程序代码中的超参数进行优化，构成KOA-CNN-BiLSTM
预测及优化·2024-01-19 07:33

深度学习(2)--卷积神经网络(CNN)

卷积神经网络（ConvolutionalNeuralNetworks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。一.卷积网络基础概念传统网络是一维的，而卷积网络是三维的。
GodFishhh·2024-01-19 07:51

基于深度学习的交通标志检测和识别（从原理-环境配置-代码运行）

下面是对其介绍并分点阐述其重要性和应用场景：1.深度学习技术：交通标志检测和识别利用深度学习技术，特别是卷积神经网络（CNN），可以通过大量的训练数据和网络层的自动特征学习，实现对交通标志的高效检测和准确识别
毕设阿力·2024-01-19 07:20

深度学习笔试题（一）

CA、卷积神经网络有反馈连接。B、增加多层感知机的隐层层数，测试集的分类错误会减
beyond谚语·2024-01-19 07:50

ResNeXt - 组卷积Group Conv

GroupConvolution（组卷积）不分组：参数量：k×k×c1×c2k\timesk\timesc_1\timesc_2k×k×c1×c2分两
mango1698·2024-01-19 07:16

查看神经网络中间层特征矩阵及卷积核参数

可视化featuremaps以及kernelweights，使用alexnet模型进行演示。1.查看中间层特征矩阵alexnet模型，修改了向前传播importtorchfromtorchimportnnfromtorch.nnimportfunctionalasF#对花图像数据进行分类classAlexNet(nn.Module):def__init__(self,num_classes=100
mango1698·2024-01-19 06:23

大创项目推荐 深度学习的动物识别

文章目录0前言1背景2算法原理2.1动物识别方法概况2.2常用的网络模型2.2.1B-CNN2.2.2SSD3SSD动物目标检测流程4实现效果5部分相关代码5.1数据预处理5.2构建卷积神经网络5.3tensorflow
laafeer·2024-01-19 03:35

卷积和滤波对图像操作的区别

目录问题引入解释卷积滤波问题引入卷积和滤波是很相似的，都是利用了卷积核进行操作那么他们之间有什么区别呢？
zhuyuyaya·2024-01-19 02:21

每一天这些琐琐碎碎的事情就是生命进行时。不辉煌，但不可挽留

小雨八度，路上行人匆匆，莫道君行早，不知道都在想些啥。进大门，还是那个保安。早，降温了，晚上该加大衣了哦！嗯嗯，你好！带了的带了的！在那里。哦，单位上发的哇？不是，单位上发的旧大衣，太薄了。
泡豇豆下干饭·2024-01-19 02:28

基于深度学习和改进卷积神经网络的花卉信息识别系统

在图像识别领域，卷积神经网络（ConvolutionalNeuralNetworks，CNN）已经取得了显著的成果。然而，传统的卷积神经网络在花卉信息识别方面仍然存在一些
xuehai996·2024-01-19 01:25

机器学习之卷积神经网络

卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此又称为SIANN。
WEL测试·2024-01-18 23:18

python｜切片

（其中，在深度学习中卷积也有步长的说法，代表着下次卷积运算发生位置与本次卷积运算发生位置的距离差）（2）start_index：表示的是起始索引（包含该索引本身），意思是从这里开始数数。
晓源Galois·2024-01-18 23:12

【无标题】

我们的目标是建立一个结合卷积神经网络(CNN)和长短期记忆(LSTM)网络的动作识别模型，以取得令人印象深刻的结果。
新缸中之脑·2024-01-18 23:50

图像分割笔记（冈萨雷斯-数字图像处理）

1.点、线和边缘检测采用图像掩膜运算（卷积），如图像做的掩膜运算表示如下：3x3掩膜1.1点检测通过掩膜运算，使满足，点检测模板如下：点检测掩膜点检测的要求是：当掩膜的中心位于一个孤立点时，掩膜的响应必须最强
周安陌·2024-01-18 23:32

基于深度学习的时间序列算法总结

常用的深度学习模型包括循环神经网络（RNN）、长短时记忆网络（LSTM）、门控循环单元（GRU）、卷积神经网络（CNN）、注意力机制（Attention）和混合模型（Mix）等，与机器学习需要经过复杂的特征工程相比
流浪的诗人，·2024-01-18 21:36

MLP-Mixer: An all-MLP Architecture for Vision

Abstract在计算机视觉领域，卷积神经网络（CNNs）是首选的模型。最近，基于注意力机制的网络，如VisionTransformer，也变得流行起来。
fish小余儿·2024-01-18 20:32
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他